你是不是曾经被数据库里貌似复杂和深奥的各种名词所困扰，不知道该从哪里人子学习?那么，这本书最适合你了。《漫画数据库》是世界上最简单的数据库教科书，它通过漫画式的情景说明，让你边看故事边学知识，每读完一篇就能理解一个概念，每篇末还附有文字说明，只要阅读一下这些有趣的漫画故事，你就能在最短的时间内成为数据库方面的达人!

数据建模指的是对现实世界各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。而数据模型是构建应用系统的核心，是尽可能精准地表示业务运转的概念性框架。本书通过平实的语言，对数据模型及建模过程进行了深入浅出的介绍。全书内容分为5个部分，对数据建模简介、数据模型要素，概念、逻辑和物理数据模型、数据模型质量以及数据建模的进阶内容等方面进行讲解，全面细致地为读者解答与数据建模相关的知识点和疑问。除此之外，本书的zui后还对各类专业术语进行了细致的解释，方便读者参考。本书是一本经典的数据建模指南，非常适合对数据建模感兴趣的读者以及从事数据科学等相关工作的专业人士参考阅读。

本书是中山大学重点学科建设成果，获中国矿物岩石地球化学协会大数据与数学地球科学专业委员会推荐，是我国*部地质科学大数据与机器学习教材。本书是中山大学研究生试用研究型教材，对运用大数据挖掘与机器学习算法解决地球科学问题大有裨益。适合地质科学领域研究生和高年级本科生做教材，也可供科研人员研究时参考。它系统地介绍了地球科学大数据挖掘与机器学习的基本框架与原理，重点分析高维数据的降维、分类与预测、大图形社区结构识别、无限流数据处理、机器学习及人工智能地质学的建模过程，对必要的应用场景，使用Python语言给出案例。

本书从初学者易于理解的角度，以通俗易懂的语言、丰富的实例、简洁的图表、传统和现代数据特征的对比，将大数据这一计算机前沿科学如数家珍地娓娓道来。既介绍了大数据和相关的基础知识，又与具体应用有机结合起来，并借助可视化图表的画面感立体地为读者剖析了大数据的技术和原理，非常便于自学。本书内容包括大数据概论、大数据采集及预处理、大数据分析、大数据可视化、Hadoop概论、HDFS和Common概论、MapReduce概论、NoSQL技术介绍、Spark概论、云计算与大数据、大数据相关案例等内容。本书既可以作为想了解大数据技术和应用的初学者的教材，也适合作为培训中心、IT人员、企业策划和管理人员的参考书。

技术是把双刃剑，当我们在积极拥抱新技术的同时，也不能忽视其所带来的风险，比如当今大数据时代个人隐私和安全问题。本书是两位作者结合各自出色的专业知识和丰富的从业经验为大众倾力奉献的一本大数据时代隐私问题的普及读物。书中展示了我们在家庭和工作中的日常活动是如何成为大数据收集的一部分的。同时，列举大量的大数据应用以及安全和隐私相关案例，包括企业如何利用大数据进行营销、执法机构如何利用大数据执法等，也包括不法分子如何利用非法或合法的手段获取数据，如何利用社交网络进行犯罪。针对上述问题，本书也列出了一些工具、技巧用来检查和防范，这在当前很有现实意义。

《数据库原理及应用--SQLServer2012》在全面、准确地讲述数据库原理、数据库血用技术的基础上，着重讨论数据库系统的设计原理、设计方法和开发技术。本书案例全面，配以图表和准确的代码，采用*的数据库软件SQLserver2012作为应用学习的基础，并以模拟实现ATM系统为例，详细讨论复杂数据库系统的设计与开发。后介绍数据访问技术，以人事管理系统、公交网站和物流管理系统的开发为例，分别详细介绍如何使用C#，Java、PHP语青和SOLserver数据库实现3个大型数据库系统软件。 全书共分3篇：第1篇（第l～3章）为原理篇，着重介绍数据库系统构建的历史背景、原理干¨理论基础；第2篇（第4～13章）为应用篇，着重介绍如何使用SSMS创建数据库，全面的SOL语言语法，视图、事务、触发器等高级数据库对象在SQLserver2012中的使用，以及一个复杂的数据库系统的设汁与

本书围绕健康医疗大数据的理论与实践展开论述。全书共分为7章，第1章主要描述大数据的基础知识、通用技术以及技术发展趋势；第2章主要对健康医疗大数据的概念、特征、分类、主要应用技术、国内外发展现状以及应用需求进行系统阐述；第3章~第6章分别对临床大数据、精细化运营大数据、健康管理大数据以及基因检测大数据的应用实践案例进行详细论述；第7章对健康医疗大数据的未来发展趋势进行展望。本书是很多应用实例和经验的总结，案例丰富翔实，将理论与实际紧密结合，对互联网技术人员、健康医疗行业的从业人士，以及高等院校相关专业的学生均有很大帮助。

在新媒体时代，如果对新闻报道、网上搜索的结果或者所谓的 专家告知 不加思考地完全相信，那你就等着上当受骗吧！ 本书围绕当今*受瞩目的大数据科学理论，通过日本政府公布的公开数据，集中针对访日游客的增加、舆论调查的可靠性、 安倍经济学 的成果、东日本大地震后的状况、相对贫困、失业率的下降、年轻人远离ХХ、全球变暖问题、减肥、恩格尔系数的上升等10个主题进行数据解读，帮助读者模拟体验数据读取方法，提高理解和分析数据的能力，挖掘出数据背后隐藏的真相。 作为 大数据分析 的超级入门书，即使不擅长数学、不了解统计学的人，读完本书也可以彻底掌握数据解读方法！

本书基于作者近几年来的研究开发成果及应用实践，对物联网大数据技术体系进行了系统归纳，阐述了物联网环境下感知数据的特性、数据模型、事务模型以及调度处理方法等核心概念及关键技术，并对物联网大数据存储、管理、计算与分析的基本概念和关键技术进行了剖析。本书还介绍了自行研发的面向物联网的ChinDB实时感知数据库系统以及针对云计算环境下物联网大数据管理与应用的DeCloud云平台，介绍了它们在智能交通、智能电厂、教育、安全监控等多个行业的应用。书中所有实例，均来自作者所在团队的实际应用，大部分在物联网项目中得到了实践应用。本书对物联网应用的开发以及两化融合、工业4.0环境下的大数据处理分析具有重要参考价值。

《数据密集型计算和模型》一书涵盖了数据密集型计算的体系结构、计算模型和编程方法，内容系统全面，着重介绍原理和方法。并配以图片，便于读者理解。 《数据密集型计算和模型》一书前半部分，重点介绍了数据密集型计算的概况，及其与高性能计算和云计算的异同、应用领域以及面临的挑战问题；巨量数据时代的计算机组织体系和技术；内存计算组织体系和技术；等等。后半部分重点介绍了几个常见的计算模型，如MapReduce模型、BSP模型和Dryad模型，并综合介绍了一些专门领域的计算模型，如All-Pairs模型等。 数据密集型计算是大数据时代的标志。《数据密集型计算和模型》一书借鉴了近年来在该领域的研究成果，有一定的创新，其出版较好地弥补了市场空白。

本书较系统地阐述了数据库系统的基础理论、基本技术和基本方法，并以当前流行的Microsoft SQL Server 2005作为平台，介绍了Microsoft SQL Server 2005的基础和典型应用。全书共分两部分：数据库基础和SQL Server 2005实验。第1部分为数据库基础，包括绪论、SQL Server 2005基础与环境、SQL Server 2005操作、关系数据库标准语言SQL、数据库的视图、T-SQL语言程序设计、索引与数据完整性、存储过程和触发器、数据库系统安全管理、SQL Server 2005备份恢复与导入导出、关系数据库规范化理论、数据库设计；第2部分包括9个SQL Server 2005的实验。每章都配有小结和习题。 本书重点突出、面向实用，并为教师配有教学课件，方便教学。本书适合作为高等院校计算机及相关专业数据库原理课程的教材，也可供广大技术人员及自学者参考。

本书以目前广泛使用的sql server2008数据库管理系统作为数据库系统基本操作应用平台，全面而又系统地介绍了数据库技术基础理论、数据库系统设计方法、现代数据库系统开发应用等，还分别介绍了transact-sql编程、网络数据库系统安全、面向对象数据库技术，并行数据库系统和分布式数据库系统、数据仓库、数据挖掘等。本书第3版以sqlserver 2008作为基本操作应用环境，通过可以调用的数据库系统案例，介绍了odbc和ado等数据库访问技术。 本书内容系统全面、重点突出、新颖实用、可读性强，可作为高等学校学生系统学习和掌握现代数据库技术的教材或参考书，也可供相关技术人员参考。

本书全面介绍云计算与大数据的基础知识、主要技术、基于集群技术的资源整合型云计算技术和基于虚拟化技术的资源切分型云计算技术。全书共10章，主要内容包括云计算基础与大数据基础、虚拟化技术和平台、MPI、Hadoop、HBase、Hive、Storm和云存储系统Swift。本书以理论够用为主，注重实用，实验丰富，将实验内容融合在课程内容中，使理论紧密联系实际。

本书是兼具技术性与指导性的参考手册。书中首先介绍了全书所需的基础知识；接着描述如何借助相关工具识别和分析性能问题，如何利用动态性能视图；接着重点关注负责将SQL语句生成执行计划的组件——查询优化器；展示了Oracle数据库为高效执行SQL语句提供的特性。

SQL 是计算机世界的语言，在用关系数据库开发报表时，将数据放入数据库以及从数据库中取出来，都需要SQL 的知识。很多人以一种马马虎虎的态度在使用SQL，根本没有意识到自己掌握着多么强大的武器。本书的目的是打开读者的视野，看看SQL 究竟能干什么，以改变这种状况。 本书是一本指南，其中包含了一系列SQL 的常用问题以及它们的解决方案，希望能对读者的日常工作有所帮助。本书将相关主题的小节归成章，如果读者遇到不能解决的SQL 新问题，可以先找到最可能适用的章，浏览其中各小节的标题，希望读者能从中找到解决方案，至少可以找到点灵感。 在这本书中有150 多个小节，这还仅仅是SQL 所能做的事情的一鳞半爪。解决日常编程问题的解决方案的数量仅取决于需要解决的问题的数量，本书没有覆盖所有问题，事实上也不可能覆盖；然而从中可以

《金融数据挖掘：基于大数据视角的展望》结构分为五个篇章。*篇介绍了数据挖掘方法。第二篇是银行数据挖掘篇，介绍了基于神经网络和支持向量机的信用评分方法。第三篇是证券数据挖掘篇，探讨了基于多种数据挖掘方法的股票价格预测、金融市场价格预测及股票自动交易系统。第四篇是保险及其他数据挖掘篇，研究了基于数据挖掘的保险欺诈监测、企业破产预测、财务报表欺诈监测等问题。第五篇从大数据的视角对金融数据挖掘进行了扩展和展望。 《金融数据挖掘：基于大数据视角的展望》的读者可以是对数据挖掘算法感兴趣的计算机专业人士或是对金融信息挖掘感兴趣的领域专家，也可作为金融信息工程方向的工程硕士教材或参考书。

制定多种匿名化解决方案，覆盖多种应用场景，满足对可识别性的不同要求。 解决方案跟所用数据、数据接收方和分析目标相匹配。 为数据采集模式量身定制匿名化流水线，覆盖不同业务需求。 为原始数据生成匿名化版本或用分析平台生成匿名化输出。 检查匿名数据使用的伦理问题。

朱景德、余蝶琼主编的《SQL Server2012数据 库实训教程(计算机类专业人才培养内涵建设项目系 列教材)》从导入Access数据库和Excel数据信息开始 实训，降低学习门槛，同时结合实际需求开展后续相 关实训。书中以导入的图书馆数据库和提供的证券交 易数据库为主要训练内容，不断拓展读者的思路，引 导其向企业进销存数据库应用迁移，特别是对证券交 易数据库配备了网上应用环境，可以使读者在学习数 据库时通过证券交易的模拟操练了解相关的业务需求 ，激发读者对数据库操作和管理的欲望，促进其尽快 进入角色。 本书共分12个项目对SQL，Server 2012数据库 进行实训，每个项目*后均配备实训任务、拓展任务 、项目小结和课外练习。侧重于为读者求职数据库管 理员或者网络和数据兼管的管理员提供一定的指导， 在数据库的建立、数据的备份恢复、数据库用户和

《城市发展的数据逻辑》通过对城市空间数据和非空间数据（如地形数据、建筑物数据、城市环境数据等）反映城市发展现状和历史的数据进行分析、挖掘，论述城市发展的规律和内在逻辑，为城市发展提供了重要的分析工具和科学依据。 《城市发展的数据逻辑》系统、全面地介绍了与城市发展有关的各种空间数据。在此基础上介绍了国内外对城市生产的研究现状，总结了目前国内外城市大数据研究的形成和发展、城市生长模型及其新方法，并借助一些典型案例，介绍应用城市生长技术的流程与方法。《城市发展的数据逻辑》还介绍了GIS、RS、GPS等新技术在城市发展及城市规划中的应用，以及如何使用新的信息技术方法揭示城市发展过程中诸如道路交通、城市建筑、公共设施等城市因子与城市发展的内生联系。 《城市发展的数据逻辑》的读者对象是城市发展领域

确定公司可视化流数据的目标。 确定关键数据源并了解如何对其进行流式处理。 了解处理流数据的实用方法。 构建与事件、日志和记录进行交互的客户端应用程序。 探索可视化流数据的通用组件。 考虑用于开发可视化的分析概念。 定义仪表板的布局、流向和组件移动。 通过协作提高可视化质量和生产力。 探索包括安全性、物联网设备，以及应用程序数据在内的用例。

《汇计划在行动》全面介绍了《上海市推进大数据研究与发展三年行动计划（ 2013-2015 年）》的编制和实施过程。系统介绍了对大数据概念、内涵、技术和应用方面的认识，介绍了在上海信息化建设的基础和现状之上，如何让大数据在上海落地，并着力解决大数据应用过程中的关键问题，开展数据科学前瞻研究和人才培养；对三年行动计划进行了全面解读。《汇计划在行动》还介绍了“上海大数据产业技术创新战略联盟”发起、组建、运行方面的情况；介绍了“上海市数据科学重点实验室”的研究方向、管理模式和开放模式。 《汇计划在行动》可供大数据及相关产业的从业人员，以及政府相关部门的决策、管理人员参考。

《大数据测评》一书介绍了大数据的概念和特征，各国大数据发展的战略、发展趋势及其标准化情况，以及对于软件测试带来的挑战。 在此基础上，《大数据测评》在面向大数据处理框架、大数据基础算法、应用系统、系统安全和隐私泄露的测评技术 等方面展开了分析和讨论。以Hadoop为主线开展大数据测试的探讨。在底层支撑框架层聚焦于单元测试和框架基准测试；在基本算法中涵盖了聚类、分类及其个性化推荐；在应用层，介绍了其性能测试中若干问题，重点阐述数据集的设计与分析。 后，《大数据测评》讨论了大数据的安全和隐私问题，突出介绍由于大数据所引发的新安全问题及其对策。 本书的读者对象是从事大数据或者软件测评的学者、软件工程研究人员、高校研究生、大数据产业人员。